CN116878572B - 一种基于装甲车试验环境的多源地理信息数据分析方法 - Google Patents
一种基于装甲车试验环境的多源地理信息数据分析方法 Download PDFInfo
- Publication number
- CN116878572B CN116878572B CN202310845578.6A CN202310845578A CN116878572B CN 116878572 B CN116878572 B CN 116878572B CN 202310845578 A CN202310845578 A CN 202310845578A CN 116878572 B CN116878572 B CN 116878572B
- Authority
- CN
- China
- Prior art keywords
- environment
- grassland
- monitoring
- armored vehicle
- running
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007405 data analysis Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims description 166
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 144
- 244000025254 Cannabis sativa Species 0.000 claims description 124
- 230000008859 change Effects 0.000 claims description 71
- 230000008569 process Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000012098 association analyses Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明属于装甲车试验环境数据分析技术领域,具体公开一种基于装甲车试验环境的多源地理信息数据分析方法,本发明通过将装甲车在草地环境下和水域环境下进行行驶试验过程中实时监测草地环境指征、草地行驶速度、水域环境指征和水域行驶速度,进而依据相邻监测时刻的草地环境差异度和草地行驶速度波动度进行草地环境与草地行驶速度的变化关联分析,依据相邻监测时刻的水域环境差异度和水域行驶速度波动度进行水域环境与水域行驶速度的变化关联分析,实现了不同地理环境对装甲车行驶速度影响力的针对性分析,能够紧密结合不同地理环境的自身特点,同时还规避了将不同地理环境进行行驶难度转化造成的转化难度和转化准确性问题。
Description
技术领域
本发明属于装甲车试验环境数据分析技术领域,具体涉及到一种基于装甲车试验环境的多源地理信息数据分析方法。
背景技术
装甲车是一种具有防护装甲的车辆,作为在军事和安全领域中不可或缺的工具,装甲车需要在不同地理环境下(例如草地、沙地、水域等)保障正常的行驶性能,特别是行驶速度,这是由于装甲车在作战时高行驶速度能够增强机动性和快速调动能力,从而提高任务执行效率,与此同时高行驶速度使得装甲车能够迅速脱离敌人的火力范围,提供更好的生存能力,可见行驶速度在其行驶性能中的重要性。
但由于不同的地理环境造成的路况不同,使其对装甲车行驶速度的影响力是存在差异的,为了提高装甲车在不同地理环境下保持正常行驶速度的保障能力,有必要分析不同地理环境对装甲车行驶速度的影响力,以识别出关联行驶地理环境,从而能够针对性地进行行驶训练改进。
鉴于分析不同地理环境对装甲车行驶速度的影响力需要提供真实的数据,因而通常都需要进行行驶试验,然而目前在基于装甲车不同地理环境的行驶试验数据进行影响力分析时为了操作方便,大多都是将不同地理环境的特征统一转化为行驶难度,以此将行驶难度与行驶速度进行对比的方式,这种分析方式一方面没有紧密结合不同地理环境的自身特点,使得分析缺乏针对性,目标性不强,导致分析结果对不同地理环境的体现效果不佳,另一方面由于不同地理环境具有明显的区别特征,几乎不存在共同特点,在进行行驶难度转化时无形之中加大了转化难度,与此同时带来了转化准确性问题,当无法保障行驶难度的转化准确性时,也就在一定程度上影响了关联行驶地理环境的识别准确度。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于装甲车试验环境的多源地理信息数据分析方法,考虑到装甲车在实际作战时遇到草地环境、水域环境较为普遍,这里以草地环境和水域环境作为试验地理环境针对地进行行驶试验数据采集分析,实现了关联行驶地理环境的精准识别。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于装甲车试验环境的多源地理信息数据分析方法,包括:S1、试验监测终端设置:在装甲车上设置草地路况监测终端和水域路况监测终端。
S2、行驶试验环境路线设定:分别在草地试验环境和水域试验环境中设定行驶路线。
S3、行驶试验数据采集:由装甲车按照划定的行驶路线在草地试验环境下行驶时利用草地路况监测终端实时监测所处行驶位置的草地环境指征,得到各监测时刻的草地环境指征,与此同时实时采集装甲车的行驶速度,得到装甲车在各监测时刻的行驶速度,在由装甲车按照设定的行驶路线在水域试验环境下行驶时利用水域路况监测终端实时监测所处行驶位置的水域环境指征,得到各监测时刻的水域环境指征,与此同时实时采集装甲车的行驶速度,得到装甲车在各监测时刻的水域行驶速度。
S4、行驶试验环境数据分析:将装甲车在各监测时刻的草地环境指征与上个监测时刻的草地环境指征进行对比,得到装甲车在各监测时刻的草地环境分布差异度,与此同时将装甲车在各监测时刻的水域环境指征与上个监测时刻的水域环境指征进行对比,得到装甲车在各监测时刻的水域环境分布差异度。
S5、行驶试验行驶速度分析:将装甲车在各监测时刻的草地行驶速度与上个监测时刻的草地行驶速度进行对比,得到装甲车在各监测时刻的草地行驶速度波动度,将装甲车在各监测时刻的水域行驶速度与上个监测时刻的水域行驶速度进行对比,计算装甲车在各监测时刻的水域行驶速度波动度。
S6、关联行驶地理环境识别:分别基于装甲车在各监测时刻的草地环境分布差异度、草地行驶速度波动度、水域环境分布差异度、水域行驶速度波动度识别装甲车的关联行驶地理环境。
基于上述改进的技术方案,所述草地环境指征包括草株高度、草株覆盖密度和草株韧度。
基于上述改进的技术方案,所述草地环境指征的具体监测过程如下:获取装甲车前轮的接地面积,进而在草地试验环境设定的行驶路线上基于前轮的接地面积依次划定装甲车前轮的行驶区域。
当装甲车在草地试验环境上行驶时利用草地路况监测终端实时对装甲车前轮的行驶区域进行草株分布图像采集,得到各监测时刻的草株分布图像,并从图像中计数草株数量,进而基于草株数量和装甲车前轮的行驶区域面积计算出草株覆盖密度。
从各监测时刻的草株分布图像中聚焦到各草株,并标记各草株的基底和最高点,由此获取两点之间的垂直距离得到各草株的高度,此时将各草株的高度进行均值处理,得到草株高度。
从各监测时刻的草株分布图像中提取草株形态特征,由此识别草株种类,与此同时从草株分布图像中提取各草株的茎部直径。
将识别的草株种类与分析数据库中各种草株对应的理想韧度进行匹配,得到各监测时刻对应装甲车前轮行驶区域中的草株理想韧度,同时将识别的草株种类及各草株的茎部直径与分析数据库中各种草株对应的正常茎部直径进行比对,得到各监测时刻对应装甲车前轮行驶区域中的草株正常茎部直径。
将各监测时刻对应装甲车前轮行驶区域中的草株理想韧度、草株正常茎部直径和
各草株的茎部直径利用公式计算出各监测时刻对应的
草株韧度,t表示为监测时刻编号,,、分别表示为第t监测
时刻对应装甲车前轮行驶区域中的草株理想韧度、草株正常茎部直径。
基于上述改进的技术方案,所述水域环境指征包括河水深度、河水流速和河水温度。
基于上述改进的技术方案,所述水域环境指征的具体监测过程如下:当装甲车在水域试验环境上行驶时利用水域路况监测终端中的水位计、流速仪和温度传感器实时监测所处行驶位置的河水深度、河水流速、河水温度。
基于上述改进的技术方案,所述装甲车在各监测时刻的草地环境分布差异度分析
公式为,式中、分别表示为装甲车在第t监
测时刻、第t-1监测时刻的草地环境指征,W表示为草地环境参数,W=p1,p2,p3,且p1,p2,p3
分别表示为草株高度,草株覆盖密度,草株韧度,e表示为自然常数。
装甲车在各监测时刻的水域环境分布差异度分析公式为,式中、分别表示为装甲车在第t监测时
刻、第t-1监测时刻的水域环境指征,U表示为水域环境指征,U=r1,r2,r3,且r1,r2,r3分别
表示为河水深度,河水流速,河水温度。
基于上述改进的技术方案,所述装甲车在各监测时刻的草地行驶速度波动度统计
公式为,式中、分别表示为装甲车在
第t、第t-1监测时刻的草地行驶速度。
装甲车在各监测时刻的水域行驶速度波动度统计公式为,式中、分别表示为装甲车在第t、
第t-1监测时刻的水域行驶速度。
基于上述改进的技术方案,所述识别装甲车的关联行驶地理环境参见下述过程:
(1)结合装甲车在各监测时刻的草地环境分布差异度计算装甲车在各监测时刻的综合草地
环境分布差异度,式中、、分别
表示为装甲车在第t监测时刻的草株高度差异度、草株覆盖密度差异度,草株韧度差异度,
a、b、c分别表示为预设的草株高度差异度、草株覆盖密度差异度、草株韧度差异度对应的权
重因子。
(2)以监测时刻为横坐标,分别以综合草地环境分布差异度、草地行驶速度波动度为纵坐标构建二维坐标系,进而针对装甲车在各监测时刻的综合草地环境分布差异度、草地行驶速度波动度在所构建的二维坐标系内形成草地环境分布差异度变化曲线、草地行驶速度变化曲线,并获取草地环境分布差异度变化曲线、草地行驶速度变化曲线的斜率。
(3)同理按照(1)结合装甲车在各监测时刻的水域环境分布差异度统计装甲车在各监测时刻的综合水域环境分布差异度。
(4)同理参照(2)形成水域环境分布差异度变化曲线、水域行驶速度变化曲线,并获取水域环境分布差异度变化曲线、水域行驶速度变化曲线的斜率。
(5)将草地环境分布差异度变化曲线的斜率与草地行驶速度变化曲线的斜率进行对比,利用公式计算出草地环境与草地行驶速度的变化相关度,并同理计算出水域环境与水域行驶速度的变化相关度。
(6)将与进行对比,通过识别模型,
得到装甲车的关联行驶地理环境G,表示为设定的区别指数阈值。
基于上述改进的技术方案,S6还包括识别装甲车在草地行驶环境下及在水域行驶环境下的关联环境指征,其中装甲车在草地行驶环境下的关联环境指征包括下述识别步骤:第一步、以监测时刻为横坐标,以草地环境分布差异度为纵坐标构建二维坐标系,进而针对装甲车在各监测时刻的草地环境分布差异度在所构建的二维坐标系内形成各草地环境指征分布差异度变化曲线,并获取所述变化曲线的斜率。
第二步、参照(5)基于各草地环境指征分布差异度变化曲线的斜率和草地行驶速度变化曲线的斜率计算出各草地环境指征与草地行驶速度的变化相关度。
第三步、从各草地环境指征与草地行驶速度的变化相关度中选取最大变化相关度对应的草地环境指征作为装甲车在草地行驶环境下的关联环境指征。
装甲车在水域行驶环境下的关联环境指征具体识别方法参照装甲车在草地行驶环境下的关联环境指征识别过程。
相较于现有技术,本发明的有益效果如下:(1)本发明通过将装甲车在草地环境下和水域环境下进行行驶试验,并在试验过程中实时监测采集草地环境指征、草地行驶速度、水域环境指征和水域行驶速度,进而依据相邻监测时刻的草地环境差异度和草地行驶速度波动度进行草地环境与草地行驶速度的变化关联分析,依据相邻监测时刻的水域环境差异度和水域行驶速度波动度进行水域环境与水域行驶速度的变化关联分析,实现了不同地理环境对装甲车行驶速度影响力的针对性分析,能够紧密结合不同地理环境的自身特点,目标性更强,使得该分析方式对不同地理环境的体现效果更佳,同时还规避了将不同地理环境进行行驶难度转化造成的转化难度和转化准确性问题,从而最大限度提高了关联行驶地理环境的识别准确度。
(2)本发明在依据草地环境指征、水域环境指征进行行驶速度的关联分析时所采集的环境指征都囊括多个参数,体现基于多源环境参数的装甲车行驶速度影响力分析,使得行驶环境对行驶速度影响力的分析更加全面可靠。
(3)本发明在识别得到装甲车的关联行驶地理环境后基于采集得到的环境指征包含多个参数进一步识别装甲车在草地行驶环境下及在水域行驶环境下的关联环境指征,实现了装甲车在不同地理环境下行驶试验的深化处理,为装甲车在草地行驶环境、水域行驶环境下行驶速度的保障提供了针对性、可靠的训练改进方向,具有较强的实用性优势。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法步骤示意图。
图2为本发明的草地环境分布差异度变化曲线、草地行驶速度变化曲线对比示意图。
附图标记:A——草地环境分布差异度变化曲线,B——草地行驶速度变化曲线。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供一种基于装甲车试验环境的多源地理信息数据分析方法,包括:S1、试验监测终端设置:在装甲车上设置草地路况监测终端和水域路况监测终端,其中草地路况监测终端为摄像头,且草地路况监测终端设置在装甲车轮胎上方对应的车身上,装甲车的水域路况监测终端包括水位计、流速仪和温度传感器。
S2、行驶试验环境路线设定:分别在草地试验环境和水域试验环境中设定行驶路线。
S3、行驶试验数据采集:由装甲车按照划定的行驶路线在草地试验环境下行驶时利用草地路况监测终端实时监测所处行驶位置的草地环境指征,得到各监测时刻的草地环境指征,其中草地环境指征包括草株高度、草株覆盖密度和草株韧度,与此同时实时采集装甲车的行驶速度,得到装甲车在各监测时刻的行驶速度,在由装甲车按照设定的行驶路线在水域试验环境下行驶时利用水域路况监测终端实时监测所处行驶位置的水域环境指征,其中水域环境指征包括河水深度、河水流速和河水温度,得到各监测时刻的水域环境指征,与此同时实时采集装甲车的行驶速度,得到装甲车在各监测时刻的水域行驶速度。
在上述方案的具体实施例中,草地环境指征的具体监测过程如下:获取装甲车前轮的接地面积,进而在草地试验环境设定的行驶路线上基于前轮的接地面积依次划定装甲车前轮的行驶区域。
当装甲车在草地试验环境上行驶时利用草地路况监测终端实时对装甲车前轮的行驶区域进行草株分布图像采集,得到各监测时刻的草株分布图像,并从图像中计数草株数量,进而基于草株数量和装甲车前轮的行驶区域面积计算出草株覆盖密度。
从各监测时刻的草株分布图像中聚焦到各草株,并标记各草株的基底和最高点,由此获取两点之间的垂直距离得到各草株的高度,此时将各草株的高度进行均值处理,得到草株高度。
从各监测时刻的草株分布图像中提取草株形态特征,由此识别草株种类,与此同时从草株分布图像中提取各草株的茎部直径。
优选地,识别草株种类的具体方式为将提取的草株形态特征与分析数据库中各种草株对应的草株形态特征进行匹配,从中匹配出草株种类。
将识别的草株种类与分析数据库中各种草株对应的理想韧度进行匹配,得到各监测时刻对应装甲车前轮行驶区域中的草株理想韧度,同时将识别的草株种类及各草株的茎部直径与分析数据库中各种草株对应的正常茎部直径进行比对,得到各监测时刻对应装甲车前轮行驶区域中的草株正常茎部直径。
将各监测时刻对应装甲车前轮行驶区域中的草株理想韧度、草株正常茎部直径和
各草株的茎部直径利用公式计算出各监测时刻对应
的草株韧度,t表示为监测时刻编号,,、分别表示为第t监测
时刻对应装甲车前轮行驶区域中的草株理想韧度、草株正常茎部直径。
在进行草株韧度分析过程中,不是直接以草株的种类作为分析依据,而是以草株茎部直径作为草株韧度切入方向,考虑到草株在生长过程中受生长环境限制不一定能够达到理想的茎部直径,进而使得草株韧度达不到草株本身种类对应的韧度。
优选地,上述中装甲车的草地行驶速度和水域行驶速度的采集可通过装甲车上车速表进行读取。
在进一步地具体实施例中,水域环境指征的具体监测过程如下:
当装甲车在水域试验环境上行驶时利用水域路况监测终端中的水位计、流速仪和温度传感器实时监测所处行驶位置的河水深度、河水流速、河水温度。
需要说明的是,由于装甲车不能同时在草地环境和水域环境下行驶,为了避免装甲车在草地环境试验后再进行水域环境试验造成的干扰,准备两辆相同型号且使用状态相同的装甲车,一辆进行草地环境试验,一辆进行水域环境试验,且两辆装甲车的发动机功率保持相同。
本发明在依据草地环境指征、水域环境指征进行行驶速度的关联分析时所采集的环境指征都囊括多个参数,体现基于多源环境参数的装甲车行驶速度影响力分析,使得行驶环境对行驶速度影响力的分析更加全面可靠。
S4、行驶试验环境数据分析:将装甲车在各监测时刻的草地环境指征与上个监测
时刻的草地环境指征进行对比,得到装甲车在各监测时刻的草地环境分布差异度,其分析
公式为,式中、分别表示为装甲车在第t监测
时刻、第t-1监测时刻的草地环境指征,w表示为草地环境参数,W=p1,p2,p3,且p1,p2,p3分
别表示为草株高度,草株覆盖密度,草株韧度,e表示为自然常数,与此同时将装甲车在各监
测时刻的水域环境指征与上个监测时刻的水域环境指征进行对比,得到装甲车在各监测时
刻的水域环境分布差异度,具体分析公式为,式中、分别表示为装甲车在第t监测时刻、第t-1监测时刻的水域环境指征,U表示为水域
环境指征,U=r1,r2,r3,且r1,r2,r3分别表示为河水深度,河水流速,河水温度。
S5、行驶试验行驶速度分析:将装甲车在各监测时刻的草地行驶速度与上个监测
时刻的草地行驶速度进行对比,得到装甲车在各监测时刻的草地行驶速度波动度,统计公
式为,式中、分别表示为装甲车在第t、
第t-1监测时刻的草地行驶速度,将装甲车在各监测时刻的水域行驶速度与上个监测时刻
的水域行驶速度进行对比,计算装甲车在各监测时刻的水域行驶速度波动度,统计公式为,式中、分别表示为装甲车在第t、
第t-1监测时刻的水域行驶速度。
S6、关联行驶地理环境识别:分别基于装甲车在各监测时刻的草地环境分布差异
度、草地行驶速度波动度、水域环境分布差异度、水域行驶速度波动度识别装甲车的关联行
驶地理环境,具体识别过程参见下述:(1)结合装甲车在各监测时刻的草地环境分布差异度
计算装甲车在各监测时刻的综合草地环境分布差异度,
式中、、分别表示为装甲车在第t监测时刻的草株高度差异度、草株覆盖密度
差异度,草株韧度差异度,a、b、c分别表示为预设的草株高度差异度、草株覆盖密度差异度、
草株韧度差异度对应的权重因子。
(2)以监测时刻为横坐标,分别以综合草地环境分布差异度、草地行驶速度波动度为纵坐标构建二维坐标系,进而针对装甲车在各监测时刻的综合草地环境分布差异度、草地行驶速度波动度在所构建的二维坐标系内形成草地环境分布差异度变化曲线、草地行驶速度变化曲线,并对所述变化曲线进行求导运算,获取草地环境分布差异度变化曲线、草地行驶速度变化曲线的斜率。
上述中草地环境分布差异度变化曲线与草地行驶速度变化曲线对比参见图2所示。
(3)同理按照(1)结合装甲车在各监测时刻的水域环境分布差异度统计装甲车在各监测时刻的综合水域环境分布差异度。
(4)同理参照(2)形成水域环境分布差异度变化曲线、水域行驶速度变化曲线,并获取水域环境分布差异度变化曲线、水域行驶速度变化曲线的斜率。
(5)将草地环境分布差异度变化曲线的斜率与草地行驶速度变化曲线的斜率进行对比,利用公式计算出草地环境与草地行驶速度的变化相关度,其中与越接近,草地环境与草地行驶速度的变化相关度越大,并同理计算出
水域环境与水域行驶速度的变化相关度。
(6)将与进行对比,通过识别模型,
得到装甲车的关联行驶地理环境G,表示为设定的区别指数阈值。
上述识别模型中代表草地环境与草地行驶速度的变化相关度相
对水域环境与水域行驶速度的变化相关度的区别指数,其取值在0-1之间。
本发明在进行装甲车的关联行驶地理环境识别过程中通过采用草地环境与草地
行驶速度的变化相关度和水域环境与水域行驶速度的变化相关度对比的方式,且在识别过
程中以两者之间的区别指数作为媒介,当两者之间的区别指数越大时表明草地环境与草地
行驶速度的变化相关度和水域环境与水域行驶速度的变化相关度区别越明显,由此筛选出
的最大变化相关度对应的关联行驶地理环境更加可靠,当当两者之间的区别指数越小时表
明草地环境与草地行驶速度的变化相关度和水域环境与水域行驶速度的变化相关度几乎
无区别,鉴于与的取值在0-1之间,通过将两者之间的任意一个0-1之间的中间值
进行对比,当任意一个大于或等于时表明两者的相关度都已过半,此时两者都可以作为
关联行驶地理环境,当任意一个小于时表明两者的相关度都比较小,都不足以作为关联
行驶地理环境。
本发明通过将装甲车在草地环境下和水域环境下进行行驶试验,并在试验过程中实时监测采集草地环境指征、草地行驶速度、水域环境指征和水域行驶速度,进而依据相邻监测时刻的草地环境差异度和草地行驶速度波动度进行草地环境与草地行驶速度的变化关联分析,依据相邻监测时刻的水域环境差异度和水域行驶速度波动度进行水域环境与水域行驶速度的变化关联分析,实现了不同地理环境对装甲车行驶速度影响力的针对性分析,能够紧密结合不同地理环境的自身特点,目标性更强,使得该分析方式对不同地理环境的体现效果更佳,同时还规避了将不同地理环境进行行驶难度转化造成的转化难度和转化准确性问题,从而最大限度提高了关联行驶地理环境的识别准确度。
在上述方案基础上,S6还包括识别装甲车在草地行驶环境下及在水域行驶环境下的关联环境指征,其中装甲车在草地行驶环境下的关联环境指征包括下述识别步骤:第一步、以监测时刻为横坐标,以草地环境分布差异度为纵坐标构建二维坐标系,进而针对装甲车在各监测时刻的草地环境分布差异度在所构建的二维坐标系内形成各草地环境指征分布差异度变化曲线,并获取所述变化曲线的斜率。
第二步、参照(5)基于各草地环境指征分布差异度变化曲线的斜率和草地行驶速度变化曲线的斜率计算出各草地环境指征与草地行驶速度的变化相关度。
第三步、从各草地环境指征与草地行驶速度的变化相关度中选取最大变化相关度对应的草地环境指征作为装甲车在草地行驶环境下的关联环境指征。
装甲车在水域行驶环境下的关联环境指征具体识别方法参照装甲车在草地行驶环境下的关联环境指征识别过程。
本发明在识别得到装甲车的关联行驶地理环境后基于采集得到的环境指征包含多个参数进一步识别装甲车在草地行驶环境下及在水域行驶环境下的关联环境指征,实现了装甲车在不同地理环境下行驶试验的深化处理,为装甲车在草地行驶环境、水域行驶环境下行驶速度的保障提供了针对性、可靠的训练改进方向,具有较强的实用性优势。
本发明在实施过程中还用到了分析数据库,用于存储各种草株对应的草株形态特征、理想韧度和正常茎部直径,其中草株形态特征包括草株叶片形状、草株叶片颜色等。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:包括:
S1、试验监测终端设置:在装甲车上设置草地路况监测终端和水域路况监测终端;
S2、行驶试验环境路线设定:分别在草地试验环境和水域试验环境中设定行驶路线;
S3、行驶试验数据采集:由装甲车按照划定的行驶路线在草地试验环境下行驶时利用草地路况监测终端实时监测所处行驶位置的草地环境指征,得到各监测时刻的草地环境指征,与此同时实时采集装甲车的行驶速度,得到装甲车在各监测时刻的行驶速度,在由装甲车按照设定的行驶路线在水域试验环境下行驶时利用水域路况监测终端实时监测所处行驶位置的水域环境指征,得到各监测时刻的水域环境指征,与此同时实时采集装甲车的行驶速度,得到装甲车在各监测时刻的水域行驶速度;
S4、行驶试验环境数据分析:将装甲车在各监测时刻的草地环境指征与上个监测时刻的草地环境指征进行对比,得到装甲车在各监测时刻的草地环境分布差异度,与此同时将装甲车在各监测时刻的水域环境指征与上个监测时刻的水域环境指征进行对比,得到装甲车在各监测时刻的水域环境分布差异度;
S5、行驶试验行驶速度分析:将装甲车在各监测时刻的草地行驶速度与上个监测时刻的草地行驶速度进行对比,得到装甲车在各监测时刻的草地行驶速度波动度,将装甲车在各监测时刻的水域行驶速度与上个监测时刻的水域行驶速度进行对比,计算装甲车在各监测时刻的水域行驶速度波动度;
S6、关联行驶地理环境识别:分别基于装甲车在各监测时刻的草地环境分布差异度、草地行驶速度波动度、水域环境分布差异度、水域行驶速度波动度识别装甲车的关联行驶地理环境;
所述草地环境指征包括草株高度、草株覆盖密度和草株韧度;
所述草地环境指征的具体监测过程如下:
获取装甲车前轮的接地面积,进而在草地试验环境设定的行驶路线上基于前轮的接地面积依次划定装甲车前轮的行驶区域;
当装甲车在草地试验环境上行驶时利用草地路况监测终端实时对装甲车前轮的行驶区域进行草株分布图像采集,得到各监测时刻的草株分布图像,并从图像中计数草株数量,进而基于草株数量和装甲车前轮的行驶区域面积计算出草株覆盖密度;
从各监测时刻的草株分布图像中聚焦到各草株,并标记各草株的基底和最高点,由此获取两点之间的垂直距离得到各草株的高度,此时将各草株的高度进行均值处理,得到草株高度;
从各监测时刻的草株分布图像中提取草株形态特征,由此识别草株种类,与此同时从草株分布图像中提取各草株的茎部直径;
将识别的草株种类与分析数据库中各种草株对应的理想韧度进行匹配,得到各监测时刻对应装甲车前轮行驶区域中的草株理想韧度,同时将识别的草株种类及各草株的茎部直径与分析数据库中各种草株对应的正常茎部直径进行比对,得到各监测时刻对应装甲车前轮行驶区域中的草株正常茎部直径;
将各监测时刻对应装甲车前轮行驶区域中的草株理想韧度、草株正常茎部直径和各草株的茎部直径利用公式计算出各监测时刻对应的草株韧度/>,t表示为监测时刻编号,/>,/>、/>分别表示为第t监测时刻对应装甲车前轮行驶区域中的草株理想韧度、草株正常茎部直径。
2.如权利要求1所述的一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:所述水域环境指征包括河水深度、河水流速和河水温度。
3.如权利要求2所述的一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:所述水域环境指征的具体监测过程如下:
当装甲车在水域试验环境上行驶时利用水域路况监测终端中的水位计、流速仪和温度传感器实时监测所处行驶位置的河水深度、河水流速、河水温度。
4.如权利要求2所述的一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:所述装甲车在各监测时刻的草地环境分布差异度分析公式为,式中/>、/>分别表示为装甲车在第t监测时刻、第t-1监测时刻的草地环境指征,W表示为草地环境参数,W=p1,p2,p3,且p1,p2,p3分别表示为草株高度,草株覆盖密度,草株韧度,e表示为自然常数;
装甲车在各监测时刻的水域环境分布差异度分析公式为,式中/>、/>分别表示为装甲车在第t监测时刻、第t-1监测时刻的水域环境指征,U表示为水域环境指征,U=r1,r2,r3,且r1,r2,r3分别表示为河水深度,河水流速,河水温度。
5.如权利要求1所述的一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:所述装甲车在各监测时刻的草地行驶速度波动度统计公式为,式中/>、/>分别表示为装甲车在第t、第t-1监测时刻的草地行驶速度;
装甲车在各监测时刻的水域行驶速度波动度统计公式为,式中/>、/>分别表示为装甲车在第t、第t-1监测时刻的水域行驶速度。
6.如权利要求4所述的一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:所述识别装甲车的关联行驶地理环境参见下述过程:
(1)结合装甲车在各监测时刻的草地环境分布差异度计算装甲车在各监测时刻的综合草地环境分布差异度,式中/>、/>、/>分别表示为装甲车在第t监测时刻的草株高度差异度、草株覆盖密度差异度,草株韧度差异度,a、b、c分别表示为预设的草株高度差异度、草株覆盖密度差异度、草株韧度差异度对应的权重因子;
(2)以监测时刻为横坐标,分别以综合草地环境分布差异度、草地行驶速度波动度为纵坐标构建二维坐标系,进而针对装甲车在各监测时刻的综合草地环境分布差异度、草地行驶速度波动度在所构建的二维坐标系内形成草地环境分布差异度变化曲线、草地行驶速度变化曲线,并获取草地环境分布差异度变化曲线、草地行驶速度变化曲线的斜率;
(3)同理按照(1)结合装甲车在各监测时刻的水域环境分布差异度统计装甲车在各监测时刻的综合水域环境分布差异度;
(4)同理参照(2)形成水域环境分布差异度变化曲线、水域行驶速度变化曲线,并获取水域环境分布差异度变化曲线、水域行驶速度变化曲线的斜率;
(5)将草地环境分布差异度变化曲线的斜率与草地行驶速度变化曲线的斜率/>进行对比,利用公式/>计算出草地环境与草地行驶速度的变化相关度/>,并同理计算出水域环境与水域行驶速度的变化相关度/>;
(6)将与/>进行对比,通过识别模型/>,得到装甲车的关联行驶地理环境G,/>表示为设定的区别指数阈值。
7.如权利要求6所述的一种基于装甲车试验环境的多源地理信息数据分析方法,其特征在于:S6还包括识别装甲车在草地行驶环境下及在水域行驶环境下的关联环境指征,其中装甲车在草地行驶环境下的关联环境指征包括下述识别步骤:
第一步、以监测时刻为横坐标,以草地环境分布差异度为纵坐标构建二维坐标系,进而针对装甲车在各监测时刻的草地环境分布差异度在所构建的二维坐标系内形成各草地环境指征分布差异度变化曲线,并获取所述变化曲线的斜率;
第二步、参照(5)基于各草地环境指征分布差异度变化曲线的斜率和草地行驶速度变化曲线的斜率计算出各草地环境指征与草地行驶速度的变化相关度;
第三步、从各草地环境指征与草地行驶速度的变化相关度中选取最大变化相关度对应的草地环境指征作为装甲车在草地行驶环境下的关联环境指征;
装甲车在水域行驶环境下的关联环境指征具体识别方法参照装甲车在草地行驶环境下的关联环境指征识别过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310845578.6A CN116878572B (zh) | 2023-07-11 | 2023-07-11 | 一种基于装甲车试验环境的多源地理信息数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310845578.6A CN116878572B (zh) | 2023-07-11 | 2023-07-11 | 一种基于装甲车试验环境的多源地理信息数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116878572A CN116878572A (zh) | 2023-10-13 |
CN116878572B true CN116878572B (zh) | 2024-03-15 |
Family
ID=88256260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310845578.6A Active CN116878572B (zh) | 2023-07-11 | 2023-07-11 | 一种基于装甲车试验环境的多源地理信息数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116878572B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112424011A (zh) * | 2018-07-19 | 2021-02-26 | 罗伯特·博世有限公司 | 用于运行机动车的方法、控制器和机动车 |
WO2021098211A1 (zh) * | 2019-11-19 | 2021-05-27 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN115824231A (zh) * | 2023-02-22 | 2023-03-21 | 安徽阿瑞特汽车电子科技有限公司 | 一种汽车行驶智能定位管理系统 |
CN115950651A (zh) * | 2022-12-29 | 2023-04-11 | 中国人民解放军陆军装甲兵学院 | 一种设备运行安全监测智能云管理系统 |
CN116153082A (zh) * | 2023-04-18 | 2023-05-23 | 安徽省中兴工程监理有限公司 | 一种基于机器视觉的高速公路路况采集分析处理系统 |
-
2023
- 2023-07-11 CN CN202310845578.6A patent/CN116878572B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112424011A (zh) * | 2018-07-19 | 2021-02-26 | 罗伯特·博世有限公司 | 用于运行机动车的方法、控制器和机动车 |
WO2021098211A1 (zh) * | 2019-11-19 | 2021-05-27 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN115950651A (zh) * | 2022-12-29 | 2023-04-11 | 中国人民解放军陆军装甲兵学院 | 一种设备运行安全监测智能云管理系统 |
CN115824231A (zh) * | 2023-02-22 | 2023-03-21 | 安徽阿瑞特汽车电子科技有限公司 | 一种汽车行驶智能定位管理系统 |
CN116153082A (zh) * | 2023-04-18 | 2023-05-23 | 安徽省中兴工程监理有限公司 | 一种基于机器视觉的高速公路路况采集分析处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116878572A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
Lin et al. | Monitoring of winter wheat distribution and phenological phases based on MODIS time-series: A case study in the Yellow River Delta, China | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
CN110969142B (zh) | 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法 | |
CN112800634A (zh) | 耦合干湿状态辨识与多源信息融合的降水估计方法及系统 | |
CN109978275B (zh) | 一种混合cfd和深度学习的极端大风风速预测方法及系统 | |
CN110188797A (zh) | 一种基于贝叶斯优化的智能汽车快速测试方法 | |
CN111784082B (zh) | 一种基于大数据的gis山洪预防预警系统 | |
CN108959705B (zh) | 一种预测亚热带森林生物量的方法 | |
CN113984062B (zh) | 一种基于机动性评估的地面车辆路径规划方法 | |
CN105740642A (zh) | 基于多源遥感数据的modis卫星火点准确性判别方法 | |
CN115950651B (zh) | 一种设备运行安全监测智能云管理系统 | |
CN113269825B (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN113591256B (zh) | 一种山区输电线路杆塔雷击概率结果评估方法 | |
CN101871928B (zh) | 一种基于免疫否定选择的水质异常检测方法 | |
CN116878572B (zh) | 一种基于装甲车试验环境的多源地理信息数据分析方法 | |
CN116882625A (zh) | 一种岩溶山地乡村聚落用地空间脆弱性识别方法 | |
CN113762360B (zh) | 一种基于smote+adacost算法的tbm掘进过程中的围岩等级预测方法 | |
CN112668885B (zh) | 背负式激光雷达设备的单木树障隐患评估处理方法 | |
CN112347872A (zh) | 一种基于地面观测的雷暴大风风暴体标识方法及系统 | |
CN113805252B (zh) | 基于集合预报模型的登陆热带气旋过程大风预报系统 | |
CN116256771A (zh) | 一种基于无人机激光点云树障分析方法 | |
Gu et al. | Research on the model for tobacco disease prevention and control based on case-based reasoning and knowledge graph | |
CN115205086A (zh) | 移动轨迹大数据驱动的异常轨迹检测方法、系统和电子设备 | |
Wang et al. | Rice Fields Mapping Using Multi-Temporal GF-6 Remote Sensing Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |